計算二進制變量在R中的另一個變量的百分比

Question

我想總結按地區划分已接受治療的人的百分比。

為此，我創建了一個虛擬數據集：

id <- seq(1:1000)
region <- rep(c("A","B","C","D","E"),c(200,200,200,200,200))
treatment <- rep(seq(1:2), each=4)
d <- data.frame(id,region,treatment)

我如何才能找出（a）每個地區的總人數（我想我會為此目的使用長度），以及（b）按地區划分接受治療1（反對2）的人數的百分比？

我將為某些ID提供NA，因此，如果從一開始就將其合並到代碼中，將不勝感激。

我過去曾用ddply總結了一個連續變量（即均值），但是在使用因子變量時卻很費勁。

任何幫助將不勝感激。

Answer 1

您也可以使用data.table：

library(data.table)

setDT(d)[,.(.N,prop=sum(treatment==2)/.N),
         by=region]
   region   N prop
1:      A 200  0.5
2:      B 200  0.5
3:      C 200  0.5
4:      D 200  0.5
5:      E 200  0.5

Answer 2

dplyr解決方案：

library(dplyr)
d %>% group_by(region) %>% summarize(NumPat=n(),prop=sum(treatment==1)/n())

我們要做的是按區域分組，然后通過管道將其匯總為每個組中的患者人數，然后計算接受治療1的患者的比例。

Answer 3

如果我正確理解了這個問題，可以使用table和prop.table輕松（快速）完成prop.table ：

prop.table(table(d$treatment, d$region))

這為您提供了每個單元格的百分比。 如果要獲取行或列百分比， prop.table使用prop.table中的margin參數：

prop.table(table(d$treatment, d$region), margin = 2) # column-wise
prop.table(table(d$treatment, d$region), margin = 1) # row-wise

Answer 4

為了完整ddply()這是使用ddply() plyr ：

library(plyr)
ddply(d[!is.na(d$id),],.(region),summarize,
      N = length(region),
      prop=mean(treatment==1))
#   region   N prop
# 1      A 200  0.5
# 2      B 200  0.5
# 3      C 200  0.5
# 4      D 200  0.5
# 5      E 200  0.5

假設您想通過刪除觀察值來處理id的NA值。